决策树可视化工具——Graphviz安装（Windows下）

 1.安装pydotplus

2.安装graphviz

下载地址：

https://graphviz.gitlab.io/_pages/Download/Download_windows.html

下载过程较为漫长，下载成功后，双击

傻瓜式安装

安装成功后，打开文件夹并将其bin路径添加至环境变量

dooo

在命令行界面验证：

出现上图即安装成功。

3.使用

作为一名小白，刚安装好根本不会使用，在网上找了一些教程感觉也不是很清晰，这边自己琢磨了一下最最最基本的使用：

首先双击打开安装好的软件，输入以下代码，并且保存为1.gv（只要是.gv为后缀的均可）

然后进入到命令行界面，切换到上述保存1.gv的文件夹中，我这边保存在了D:\graphviz.test中，所以我在命令行界面中输入以下：

切换后，执行生成图的命令，其中Graphviz 默认的支持多种输出格式, 如：bmp，jpeg，jpg，pdf，png，svg。 可以使用 -T可以 指定输出格式类型，后面的image.png是生成图的名称：

然后就可以在D:\graphviz.test文件夹下看到该图，

并且可以用任意看图软件打开它，生成的图如下图所示：

稍微复杂点的等我更新。。。。。

凡事都有但是！！！在我做了上暖这些后，

使用隐形眼镜数据集实现决策树算法，并使用graphviz可视化：

from sklearn import tree
import pandas as pd
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.externals.six import StringIO
import numpy as np
import pydotplus

if __name__ == '__main__':
    with open('lenses.txt', 'r') as fr:   #加载文件
        lenses = [inst.strip().split('\t') for inst in fr.readlines()]        #处理文件

    lenses_target = []     #提取每组数据的类别，保存在列表里
    for each in lenses:
        lenses_target.append(each[-1])
    #print(lenses_target)

    lensesLabels = ['age', 'prescript', 'astigmatic', 'tearRate']            #特征标签
    lenses_list = []    #保存lenses数据的临时列表
    lenses_dict = {}   #保存lenses数据的字典，用于生成pandas
    for each_label in lensesLabels:   #提取信息，生成字典
        for each in lenses:
            lenses_list.append(each[lensesLabels.index(each_label)])
        lenses_dict[each_label] = lenses_list
        lenses_list = []
    #print(lenses_dict)    #打印字典信息
    lenses_pd = pd.DataFrame(lenses_dict)    #生成pandas.DataFrame
    #print(lenses_pd)
    le = LabelEncoder()      #创建LabelEncoder()对象，用于序列化
    for col in lenses_pd.columns:      #为每一列序列化
        lenses_pd[col] = le.fit_transform(lenses_pd[col])
    #print(lenses_pd)   #打印编码信息

    #可视化
    clf = tree.DecisionTreeClassifier(max_depth = 4)   #创建DecisionTreeClassifier()类
    clf = clf.fit(lenses_pd.values.tolist(), lenses_target)     #使用数据，构建决策树
    dot_data = StringIO()
    tree.export_graphviz(clf, out_file = dot_data,    #绘制决策树
                        feature_names = lenses_pd.keys(),
                        class_names = clf.classes_,
                        filled=True, rounded=True,
                        special_characters=True)
    graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
    graph.write_pdf("lensesTree.pdf")      #保存绘制好的决策树，以PDF的形式存储。

参考：https://blog.csdn.net/c406495762/article/details/76262487

但是后来发现：

with open("E:/pycharmproject/self learning3/决策树论文/pdfplace/tree.dot",'w') as f:
    f = tree.export_graphviz(dtc,out_file = f)